PEMODELAN BANYAKNYA PENDERITA DEMAM BERDARAH DENGUE (DBD) DI KOTA SURAKARTA DENGAN MIXED GEOGRAPHICALLY WEIGHTED REGRESSION (MGWR)
|
|
- Surya Chandra
- 6 tahun lalu
- Tontonan:
Transkripsi
1 PEMODELAN BANYAKNYA PENDERITA DEMAM BERDARAH DENGUE (DBD) DI KOTA SURAKARTA DENGAN MIXED GEOGRAPHICALLY WEIGHTED REGRESSION (MGWR) Hardanti Nur Astuti, Yuliana Susanti dan Dewi Retno Sari Saputro Program Studi Matematika FMIPA UNS ABSTRAK. Model mixed geographically weighted regression (MGWR) merupakan pengembangan dari model geographically weighted regression (GWR) yang digunakan untuk memodelkan data spasial dengan mempertimbangkan parameter lokal dan parameter global. Keterkaitan antar lokasi dinyatakan dalam suatu pembobot tertentu. Salah satu pembobotnya adalah pembobot bi-square. Data banyaknya pemderita demam berdarah dengue (DBD) merupakan salah satu data yang mempunyai keterkaitan antar lokasi sehingga dapat dimodelkan dengan model MGWR. Pada penelitian ini dimodelkan banyaknya penderita DBD menggunakan MGWR di Kota Surakarta dengan pembobot bi-square. Berdasarkan hasil penelitian, diperoleh variabel independen yang signifikan adalah house index sebagai variabel global, luas wilayah sebagai variabel lokal dan didapatkan model MGWR untuk setiap lokasinya. Kata Kunci : parameter lokal, parameter global, MGWR, DBD. 1. PENDAHULUAN Data spasial merupakan suatu data yang dipengaruhi oleh ruang atau lokasi (Anselin [1]). Salah satu model spasial adalah model geographically weighted regression (GWR). Pada model GWR, parameter yang dihasilkan hanya signifikan untuk lokasi tertentu. Dalam beberapa kasus, parameter yang dihasilkan signifikan untuk setiap lokasi tertentu dan signifikan untuk semua lokasi. Brunsdon et al.[2], memperkenalkan model MGWR yang merupakan pengembangan dari model GWR. Model MGWR baik digunakan untuk data yang dipengaruhi oleh variabel lokal dan variabel global. Perbedaan antara model GWR dan model MGWR terletak pada variabilitas spasialnya. Pada model GWR, semua faktor-faktor yang berpengaruh mempunyai variabilitas spasial sehingga menghasilkan parameter lokal hanya berpengaruh untuk lokasi tertentu. Sedangkan pada model MGWR, faktor-faktor yang berpengaruh ada yang mempunyai variabilitas spasial dan ada yang tidak mempunyai variabilitas spasial. Faktor yang tidak mempunyai variabilitas spasial akan menghasilkan parameter global, parameter yang berpengaruh untuk semua lokasi dan faktor yang mempunyai variabilitas spasial 1
2 akan menghasilkan parameter lokal. Untuk menyatakan pengaruh lokasi digunakan pembobot. Pembobot yang digunakan adalah pembobot bi-square. Pembobot tersebut ditentukan berdasarkan jarak antar lokasi. Menurut Saefuddin et al.[6] penerapan model MGWR dengan pembobot bi-square pada persentase kemiskinan memberikan nilai kecocokan model yang cukup tinggi. Selanjutnya, Rifada et al. [5] menerapkan model MGWR pada persentase gizi buruk balita di Surabaya, hasil penelitiannya menunjukkan model MGWR dengan pembobot bisquare memiliki nilai kecocokan model sebesar Demam berdarah dengue (DBD) merupakan salah satu penyakit menular yang sering ditemukan di Indonesia. Data banyaknya penderita DBD dapat dimodelkan dengan model MGWR. Hal ini sejalan dengan penelitian yang telah dilakukan oleh Saefuddin et al. [6] dan Rifada et al. [5]. Dalam penelitian ini dilakukan pemodelan banyaknya penderita DBD di Kota Surakarta menggunakan model MGWR dengan pembobot bi-square. 2. MODEL MIXED GEOGRAPHICALLY WEIGHTED REGRESSION 2.1 Model GWR. Menurut Brundson et al. [3], model GWR dipengaruhi oleh aspek lokasi dalam hal ini koordinat dari titik lokasi sehingga model GWR akan menghasilkan estimasi untuk setiap titik lokasi. Model GWR dinyatakan sebagai dengan, adalah variabel dependen data ke-i., adalah koefisien regresi untuk lokasi ke-i dan variabel ke-k, adalah nilai ke-i dari dan adalah residu model GWR yang berdistribusi normal independen. 2.2 Model MGWR. Model MGWR merupakan pengembangan model GWR, dimana selain memperhatikan variabel lokal juga memperhatikan variabel global. Model MGWR dapat dituliskan sebagai dengan adalah parameter global dan adalah parameter lokal. Variabel adalah variabel independen yang berkaitan dengan parameter global, adalah variabel independen yang berkaitan dengan parameter lokal dan adalah residu model MGWR. Dalam model commit MGWR, to asumsi user yang harus dipenuhi adalah 2
3 heterogenitas. Uji heterogenitas dilakukan dengan uji breusch-pagan (BP) dengan statistik uji adalah dengan adalah matriks berukuran 51 1,, dan adalah matriks berukuran Pengambilan keputusan dengan daerah kritis DK =. ditolak apabila nilai 2.3 Pendugaan Parameter Model MGWR. Menurut Brundson et al. [2], dalam model MGWR terdapat parameter lokal dan parameter global sehingga dalam pendugaan parameter dilakukan untuk parameter lokal dan global. Pendugaan parameter untuk parameter global dalam model MGWR menggunakan ordinary least square (OLS) dengan meminimumkan jumlah kuadrat sesatan. Pendugaan parameter untuk parameter lokal menggunakan weighted least square (WLS) dengan meminimumkan jumlah kuadrat sesatan yang dikalikan dengan pembobot. Berikut diuraikan pendugaan parameternya. Dalam bentuk matriks model model (1) dapat ditulis sebagai dengan adalah vektor variabel dependen, adalah matriks variabel global, a adalah vektor parameter global, adalah matriks variabel lokal, b adalah vektor parameter lokal, adalah vektor residu. Selanjutnya model (3) dapat dinyatakan sebagai Berdasarkan model (4) dilakukan pendugaan parameter menggunakan OLS dan diperoleh parameter global. Berdasarkan model (3) dilakukan pendugaan parameter menggunakan WLS dan dihasilkan parameter lokal dengan W adalah matriks pembobot. Pembobot yang digunakan dalam penelitian ini adalah pembobot bi-square yang ditulis sebagai 3
4 dengan adalah jarak euclid dari lokasi ke lokasi dan adalah bandwidth. 3. METODE PENELITIAN Penelitian ini merupakan penelitian terapan yaitu memodelkan banyaknya penderita DBD di Kota Surakarta menggunakan model MGWR dengan pembobot bi-square. Data yang digunakan adalah data banyaknya penderita DBD (Y) tahun 2014 dijadikan sebagai variabel dependen (Y) yang bersumber dari Dinas Kesehatan Kota Surakarta. Faktor-faktor yang digunakan dalam penelitian ini adalah jumlah penduduk ( ), jumlah rumah ( ), House Index ( ), jumlah tempat-tempat umum ( ), jumlah rumah sehat ( ), jumlah posyandu ( ), luas wilayah ( ), tingkat kepadatan penduduk ( ), tingkat kesejahteraan keluarga ( ) dan tinggi wilayah ( ) dijadikan sebagai variabel independen bersumber dari puskesmas di Kota Surakarta. Langkah-langkah yang dilakukan dalam penelitian ini adalah memeriksa heterogenitas data banyaknya penderita DBD dengan uji BP sesuai dengan persamaan (2) dan selanjutnya menghitung pembobot dengan rumusan bi-square pada setiap lokasi sesuai dengan persamaan (5). Kemudian menentukan variabel independen ( ) yang signifikan yang dilanjutkan dengan penentuan model GWR untuk setiap lokasinya. Pada langkah tersebut dapat ditentukan variabel global dan variabel lokal untuk model MGWR. Selanjutnya dilakukan pendugaan parameter pada model MGWR dan diperoleh model MGWR sesuai dengan model (1) untuk setiap lokasinya. 4
5 4. HASIL DAN PEMBAHASAN Hasil dan pembahasan meliputi uji heterogenitas, pembobot bi-square, model GWR, dan model MGWR. Berikut masing-masing uraiannya. 4.1 Uji Heterogenitas. Berdasarkan uji BP dengan hipotesis bahwa terdapat heterogenitas dalam data atau semua lokasi mempunyai karateristik yang berbeda. Hasil perhitungan menunjukkan nilai BP 12,40682 dan nilai tabel 7,815 sehingga ditolak. Hal ini berarti data banyaknya penderita DBD di Kota Surakarta heterogen atau mempunyai karateristik yang berbeda-beda. 4.2 Pembobot bi-square. Perhitungan pembobot dilakukan untuk setiap lokasi sehingga nilai pembobot berbeda untuk setiap lokasinya. Untuk contoh digunakan Kelurahan Pasar Kliwon sebagai pusat. Tabel 4.1 Jarak euclid dan pembobot berdasarkan kelurahan pasar kliwon sebagai pusat Kelurahan Pembobot Kelurahan Pembobot Pajang 0, , Semanggi 0, , Karang Asem 1, , Kepatihan Kulon 0, , Sondakan 0, , Tegal Harjo 0, , Bumi 0, , Jebres 0, , Sriwedari 0, , Mojosongo 0, , Panularan 0, , Pucang Sawit 0, , Purwosari 0, , Sewu 0, , Jajar 0, , Jagalan 0, , Kemalayan 0, , Nusukan 0, , Jayengan 0, , Manahan 0, , Tipes 0, , Mangkubumen 0, , Serengan 0, , Gilingan 0, , Danukusuman 0, , Punggawan 0, , Joyontakan 0, , Kestalan 0, , Joyosuran 0, , Banyuanyar 0, , Pasar Kliwon 0, , Sumber 0, , Baluwarti 0, , Kadipiro 0, , Sangkrah 0, , Model GWR. Matriks pembobot yang telah diperoleh digunakan untuk memodelkan banyaknya penderita DBD menggunakan model GWR. Salah satu model GWR adalah model GWR untuk Kelurahan Pasar Kliwon yaitu. 5
6 4.4 Model MGWR. Model MGWR diperoleh berdasarkan variabel global dan lokal dari variabel independen yang signifikan dalam model GWR. Dalam penelitian ini, berdasarkan model GWR yang diperoleh didapatkan variabel independen signifikan yang ditunjukkan pada Tabel 2. Kelompok 1 Tabel 2. Pengelompokkan kelurahan berdasarkan variabel yang signifikan Kelurahan Pajang, Karang Asem, Sondakan, Bumi, Sriwedari, Panularan, Purwosari, Jajar, Kemlayan, Jayengan, Tipes, Serengan, Baluwarti, Kepatihan Kulon, Jebres, Mojosongo, Nusukan, Manahan, Mangkubumen, Gilingan, Punggawan, Kestalan, Banyuanyar, Sumber, Kadipiro Variabel Signifikan Jumlah 2 Jagalan, Pucang sawit, Tegal Harjo, 3 3 Pasar Kliwon, Sangkrah, Semanggi, Sewu 4 4 Laweyan, Penumping, Kerten, Kratonan, Gajahan, Kedung Tidak ada Lumbu, Purwodiningratan, Gandekan, Sudiroprajan, Kepatihan yang Wetan, Setabelan, Keprabon, Ketelan, Timuran, Danukusuman, signifikan Joyontakan, Joyosuran 19 Dari model GWR, variabel lokal untuk model MGWR yaitu house index variabel global untuk model MGWR yaitu luas wilayah Tabel 2. dapat ditunjukkan pada Gambar dan. Pemetaan hasil Gambar 1. Pengelompokkan kelurahan berdasarkan variabel signifikan Berdasarkan Gambar 1, nampak bahwa sebagian besar kelurahan di Surakarta dipengaruhi oleh luas wilayah. Luas wilayah dan tingkat kepadatan penduduk berpengaruh dalam banyaknyak penderita DBD di 3 kelurahan di Surakarta, 4 kelurahan yang berbatasan dengan Kabupaten Sukoharjo dipengaruhi luas wilayah, tingkat kepadatan penduduk dan house index, serta 6
7 19 kelurahan tidak dipengaruhi oleh variabel apapun. Selanjutnya dilakukan pendugaan parameter untuk model MGWR yang menghasilkan nilai parameter global sebesar dan nilai parameter lokal dan ditunjukkan pada Tabel 3. Tabel 3. Pendugaan Parameter Lokal dan untuk Model MGWR Kelurahan Kelurahan Pajang (Pj) Semanggi (Sg) Karang Asem (Ka) Kepatihan Kulon (Kk) Sondakan (Sd) Tegal Harjo (Th) Bumi (Bm) Jebres (Jb) Sriwedari (Swd) Mojosongo (Mj) Panularan (Pl) Pucang Sawit (Ps) Purwosari (Pw) Sewu (Sw) Jajar (Jj) Jagalan (Jg) Kemalayan (Kl) Nusukan (Nk) Jayengan (Jy) Manahan (Mn) Tipes (Tp) Mangkubumen (Mk) Serengan (Sr) Gilingan (Gl) Danukusuman (Dk) Punggawan (Pg) Joyontakan (Jt) Kestalan (Kt) Joyosuran (Js) Banyuanyar (Ba) Pasar Kliwon (Pk) Sumber (Sb) Baluwarti (Bw) Kadipiro (Kp) Sangkrah (Sk) Berdasarkan Tabel 3. model MGWR untuk masing-masing lokasi dapat dibentuk dan diperoleh 51 model. Bentuk umum model MGWR untuk banyaknya penderita DBD dengan nilai sebesar 0,78 dapat ditulis sebagai Salah satu contoh model MGWR yaitu model MGWR untuk Kelurahan Pasar Kliwon yang dinyatakan sebagai. dengan interpretasi bahwa setiap kenaikan house index 10 satuan akan meningkatkan 12 penderita DBD. Apabila tidak terdapat kenaikan ataupun penurunan terdapat 29 penderita DBD. Model ini mempunyai nilai kecocokan model lokal sebesar 0,347 yang berarti sebesar 34,7% model dapat diterangkan oleh house index, sedangkan 65,3% diterangkan oleh variabel lainnya. 7
8 5. KESIMPULAN Berdasarkan hasil dan pembahasan diperoleh dua kesimpulan berikut. 1. Variabel prediktor yang berpengaruh secara global adalah house index, sedangkan luas wilayah berpengaruh secara lokal. Variabel signifikan di Kelurahan Pasar Kliwon, Kelurahan Sangkrah, Kelurahan Semanggi dan Kelurahan Sewu. Variabel signifikan di kelurahan yang sama dengan variabel dan di Kelurahan Jagalan, Kelurahan Pucang Sawit dan Kelurahan Tegal Harjo. Model MGWR mempunyai nilai kecocokan model sebesar 0, Bentuk umum model MGWR untuk banyaknya penderita DBD di Kota Surakarta dengan pembobot bi-square dinyatakan sebagai DAFTAR PUSTAKA [1] Anselin, L., Spatial econometrics : methods and models, Kluwer Academic Publishers, Dordrecht, [2] Brunsdon, C., S. A. Fotheringham, and M. Charlton, Geographically weighted regression : a method for exploring spatial nonstationary, Geographical Analysis Vol. 28 No , [3] Brunsdon C., S. A. Fotheringham, and M. Charlton, Some notes on parametric significance tests for geographically weighted regression, Journal of Regional Science , [4] Dinas Kesehatan Provinsi Jawa Tengah, Profil Kesehatan Provinsi Jawa Tengah, Semarang, [5] Rifada, M., N. Chamidah, dan T. Saifudin, Pemodelan Kejadian Gizi Buruk pada Balita di Surabaya Berdasarkan Pendekatan Regresi Spasial Semiparametrik, Prosiding Seminar Nasional Matematika dan Pendidikan Matematika FMIPA UNY, Yogyakarta, [6] Saefuddin, A., N. A. Setiabudi, and N. A. Achsani, On Comparisson between Ordinary Linear regression and Geographically Weighted Regression : With Application to Indonesian Poverty Data, European Journal of Scientific Research Vol. 57 No ,
BAB I PENDAHULUAN. Rahayu, Harkunti P (2009) didefinisikan sebagai. ekonomi.meminimalkan risiko atau kerugian bagi manusiadiperlukan
BAB I PENDAHULUAN A. Latar Belakang Banjir menurut Rahayu, Harkunti P (2009) didefinisikan sebagai tergenangnya suatu tempat akibat meluapnya air yang melebihi kapasitas pembuangan air di suatu wilayah
Lebih terperinciMENGENAL SISTEM PERKOTAAN:
MENGENAL SISTEM PERKOTAAN: SEBUAH PENGANTAR TENTANG KOTA SOLO 3 Sekilas tentang Solo 7 Memahami Sistem Perkotaan 13 Mencari Bentuk 17 Memahami Kelurahan Kita BANJARSARI JEBRES KOTA SOLO LAWEYAN SERENGAN
Lebih terperinciBAB I PENDAHULUAN. terutama pada bidang pendidikan. Perubahan dalam dunia pendidikan
BAB I PENDAHULUAN A. Latar Belakang Perkembangan teknologi dan ilmu pengetahuan saat ini telah membawa pengaruh perubahan di dalam kehidupan manusia disegala bidang terutama pada bidang pendidikan. Perubahan
Lebih terperinciKARAKTERISTIK BANGUNAN KANTOR KELURAHAN DI KOTA SURAKARTA
KARAKTERISTIK BANGUNAN KANTOR KELURAHAN DI KOTA SURAKARTA Suryaning Setyowati Program Studi Arsitektur, Fakultas Teknik, Universitas Muhammadiyah Surakarta Jl. A. Yani Tromol Pos 1 Pabelan Kartasura 57102
Lebih terperinciANALISIS DAN PEMBAHASAN
BAB 4 ANALISIS DAN PEMBAHASAN 4.1. Umum Penelitian ini bertujuan untuk menentukan Matriks Asal Tujuan yang dihasilkan dari data arus lalu lintas pada kondisi keseimbangan di Kota Surakarta. Model sebaran
Lebih terperinciBAB IV KESIMPULAN DAN SARAN. 5.1 Kesimpulan. terhadap perekonomian kota surakarta. Analisis
64 BAB IV KESIMPULAN DAN SARAN 5.1 Kesimpulan Penelitian ini bertujuan untuk mengetahui perkembangan real estat Kota Surakarta berdasarkan besaran, sebaran dan pola pergerakannya serta dampaknya terhadap
Lebih terperinciS - 17 MODEL GEOGRAPHICALLY WEIGHTED REGRESSION PENDERITA DIARE DI PROVINSI JAWA TENGAH DENGAN FUNGSI PEMBOBOT KERNEL BISQUARE
S - 17 MODEL GEOGRAPHICALLY WEIGHTED REGRESSION PENDERITA DIARE DI PROVINSI JAWA TENGAH DENGAN FUNGSI PEMBOBOT KERNEL BISQUARE Indriya Rukmana Sari 1, Dewi Retno Sari Saputro 2, Purnami Widyaningsih 3
Lebih terperinciBAB II GAMBARAN UMUM WILAYAH SURAKARTA
BAB II GAMBARAN UMUM WILAYAH SURAKARTA A. Deskripsi Kota Surakarta 1. Letak kota Surakarta Secara Geografis, Kota Surakarta berada diantara dataran rendah dan terletak diantara beberapa sungai kecil seperti
Lebih terperinciBAB II PENYEBARAN KANTOR PEMERINTAHAN DAN PELAYANAN MASYARAKAT DI SURAKARTA
BAB II PENYEBARAN KANTOR PEMERINTAHAN DAN PELAYANAN MASYARAKAT DI SURAKARTA 2.1 Data Kantor Pemerintahan dan Publik Servis Di Surakarta Wilayah Surakarta yang disurvey yaitu seluruh wilayah Surakarta yang
Lebih terperinciBAB I PENDAHULUAN. Dalam bab ini akan dibahas mengenai hal-hal yang melatarbelakangi
BAB I PENDAHULUAN Dalam bab ini akan dibahas mengenai hal-hal yang melatarbelakangi penulisan tesis, rumusan masalah, tujuan dan manfaatnya, tinjauan-tinjauan pustaka dari hasil penelitian terkait serta
Lebih terperinciImplementasi Model P-Center pada Jalur Rujukan Fasilitas Kesehatan di Kota Surakarta
Implementasi Model P-Center pada Jalur Rujukan Fasilitas Kesehatan di Kota Surakarta Mohammad Iqbal Rizky Fauzan *1), Yuniaristanto 2), dan Wahyudi Sutopo 2) 1,2,3) Program Studi Teknik Industri, Fakultas
Lebih terperinciPEMODELAN DATA KEMISKINAN PROVINSI KALIMANTAN TIMUR DENGAN METODE GEOGRAPHICALLY WEIGHTED REGRESSION (GWR) DENGAN FUNGSI PEMBOBOT KERNEL BISQUARE
Prosiding Seminar Nasional Matematika, Statistika, dan Aplikasinya 17 3 September 17, Samarinda, Indonesia ISBN: 978-6-531--3 PEMODELAN DATA KEMISKINAN PROVINSI KALIMANTAN TIMUR DENGAN METODE GEOGRAPHICALLY
Lebih terperinciPENERAPAN METODE SET COVERING PROBLEM DALAM PENENTUAN LOKASI DAN ALOKASI SAMPAH DI WILAYAH KOTA SURAKARTA
PENERAPAN METODE SET COVERING PROBLEM DALAM PENENTUAN LOKASI DAN ALOKASI SAMPAH DI WILAYAH KOTA SURAKARTA PUBLIKASI ILMIAH Disusun sebagai salah satu syarat menyelesaikan Program Studi Strata I pada Jurusan
Lebih terperinciANALISIS ARAHAN PERSEBARAN SUMUR RESAPAN DI KOTA SURAKARTA TAHUN 2013
ANALISIS ARAHAN PERSEBARAN SUMUR RESAPAN DI KOTA SURAKARTA TAHUN 2013 Erwin Santosa 1,*, Chatarina Muryani 2 dan Setya Nugraha 2 1 Program Studi Pendidikan Geografi, PIPS, FKIP, UNS Surakarta, Indonesia
Lebih terperinciPROFIL KABUPATEN / KOTA
PROFIL KABUPATEN / KOTA KOTA SURAKARTA JAWA TENGAH KOTA SURAKARTA ADMINISTRASI Profil Wilayah Keraton, batik dan Pasar Klewer adalah tiga hal yang menjadi simbol identitas Kota Surakarta. Eksistensi Keraton
Lebih terperinciAnalisis Spasial Ekonomi Kreatif Berorientasi Ekspor Kota Surakarta
Analisis Spasial Ekonomi Kreatif Berorientasi Ekspor Kota Surakarta Umrotun 1*, Muhammad Wahyuddin 2, Muhammad Sholahuddin 3 1 Fakultas Geografi, Universitas Muhammadiyah Surakarta 2 Program Pascasarjana,
Lebih terperinciBAB III. TINJAUAN UMUM SURAKARTA dan TINJAUAN SEKOLAH DASAR YANG DIRENCANAKAN
BAB III TINJAUAN UMUM SURAKARTA dan TINJAUAN SEKOLAH DASAR YANG DIRENCANAKAN III.1. TINJAUAN UMUM KOTA SURAKARTA III.1.1 Data Fisik Surakarta 1.1.1 Peta Kota Surakarta Batas Administratif Kota Surakarta
Lebih terperinciBAB I PENDAHULUAN 1.1 Latar Belakang Masalah Atiya Maulani, 2013
BAB I PENDAHULUAN 1.1 Latar Belakang Masalah Dalam kehidupan sehari-hari, tidak jarang dihadapkan pada berbagai masalah yang berkaitan dengan dua atau lebih variabel dalam suatu bentuk hubungan tertentu
Lebih terperinciMODEL REGRESI TERBOBOTI GEOGRAFIS DENGAN FUNGSI PEMBOBOT KERNEL GAUSSIAN, BISQUARE, DAN TRICUBE PADA PERSENTASE KEMISKINAN DI PROVINSI JAWA TENGAH
MODEL REGRESI TERBOBOTI GEOGRAFIS DENGAN FUNGSI PEMBOBOT KERNEL GAUSSIAN, BISQUARE, DAN TRICUBE PADA PERSENTASE KEMISKINAN DI PROVINSI JAWA TENGAH Nungki Fauzi T A N, Isnandar Slamet, Muslich Program Studi
Lebih terperinciSIMULASI PENYEBARAN PENYAKIT ISPA (INFEKSI SALURAN PERNAFASAN AKUT) PADA BALITA DI KOTA SURAKARTA MENGGUNAKAN GAME OF LIFE
F.4 SIMULASI PENYEBARAN PENYAKIT ISPA (INFEKSI SALURAN PERNAFASAN AKUT) PADA BALITA DI KOTA SURAKARTA MENGGUNAKAN GAME OF LIFE Sarngadi Palgunadi 1*, Totok Herlambang 2* Jurusan Informatika, Fakultas Matematika
Lebih terperinciBAB III MIXED GEOGRAPHICALLY WEIGHTED REGRESSION (MGWR)
BAB III MIXED GEOGRAPHICALLY WEIGHTED REGRESSION 3.1 Mixed Geographically Weighted Regression Model Mixed Geographically Weighted Regression merupakan model kombinasi atau gabungan antara regresi global
Lebih terperinciZONASI TINGKAT KERENTANAN (VULNERABILITY) BANJIR DAERAH KOTA SURAKARTA NASKAH PUBLIKASI
ZONASI TINGKAT KERENTANAN (VULNERABILITY) BANJIR DAERAH KOTA SURAKARTA NASKAH PUBLIKASI Diajukan Oleh : Istikomah NIM : E100090054 Kepada FAKULTAS GEOGRAFI UNIVERSITAS MUHAMMADIYAH SURAKARTA 2014 ZONASI
Lebih terperinciANALISIS GEOGRAPHICALLY WEIGHTED REGRESSION (GWR) DENGAN PEMBOBOT KERNEL GAUSSIAN UNTUK DATA KEMISKINAN. Rita Rahmawati 1, Anik Djuraidah 2.
ANALISIS GEOGRAPHICALLY WEIGHTED REGRESSION (GWR) DENGAN PEMBOBOT KERNEL GAUSSIAN UNTUK DATA KEMISKINAN Rita Rahmawati 1, Anik Djuraidah 2 1) Program Studi Statistika, FMIPA Universitas Diponegoro 2) Jurusan
Lebih terperinciBAB II ASPEK DAN PROFIL KEMISKINAN DI KOTA SURAKARTA
BAB II ASPEK DAN PROFIL KEMISKINAN DI KOTA SURAKARTA A. Aspek Kemiskinan Kemiskinan merupakan masalah multidimensi yang sangat kompleks, bukan hanya terkait dengan masalah pendapatan, tetapi juga menyangkut
Lebih terperinciBAB I PENDAHULUAN Latar belakang
BAB I PENDAHULUAN 1.1. Latar belakang Pembangunan dalam beberapa aspek dewasa ini sangat berpengaruh terhadap sektor transportasi.pengaruh tersebut di tandai dengan adanya kecenderungan meningkatnya kebutuhan
Lebih terperinciSURAT PERINTAH NOMOR : 180 / / 2015
PEMERINTAH KOTA SURAT PERINTAH NOMOR : 180 / 1.702 / 2015 Nama Jabatan : KINKIN SULTANUL HAKIM, SH, MM. : Kepala Bagian Hukum dan HAM Setda Kota Surakarta Selaku Ketua Jaringan Dokumentasi dan Informasi
Lebih terperinciLayanan Persampahan di Kota Surakarta dengan Pemetaan Barbasis Sistem Informasi Geografis
MITL Media Ilmiah Teknik Lingkungan Volume 1, Nomor 1, Februari 2016 Layanan Persampahan di Kota Surakarta dengan Pemetaan Barbasis Sistem Informasi Geografis Rudy Yoga Lesmana Dosen Program Studi Teknik
Lebih terperinciProsiding Seminar Nasional Matematika, Statistika, dan Aplikasinya September 2017, Samarinda, Indonesia ISBN:
Prosiding Seminar Nasional Matematika, Statistika, dan Aplikasinya 017 3 September 017, Samarinda, Indonesia ISBN: 978-60-5031-0-3 Analisis Data Spasial Menggunakan Metode Geographically Weighted Regression
Lebih terperinciBAB III GEOGRAPHICALLY WEIGHTED REGRESSION (GWR)
BAB III GEOGRAPHICALLY WEIGHTED REGRESSION (GWR) 3.1 Data Spasial Data spasial memuat informasi tentang atribut dan informasi lokasi. Sedangkan data bukan spasial (aspatial data) hanya memuat informasi
Lebih terperinciPROFIL PERKEMBANGAN KEPENDUDUKAN KOTA SURAKARTA TAHUN 2016
PROFIL PERKEMBANGAN KEPENDUDUKAN KOTA SURAKARTA TAHUN 2016 PEMERINTAH KOTA SURAKARTA DINAS KEPENDUDUKAN DAN PENCATATAN SIPIL KOTA SURAKARTA Jl. Jendral Sudirman No. 2 Surakarta No.Telp. (0271) 639554,
Lebih terperinci- 1 - KEPUTUSAN KEPALA BAGIAN HUKUM DAN HAM SETDA KOTA SURAKARTA SELAKU KETUA PUSAT JARINGAN DOKUMENTASI DAN INFORMASI HUKUM
- 1 - KEPUTUSAN KEPALA BAGIAN HUKUM DAN HAM SETDA KOTA SURAKARTA SELAKU KETUA PUSAT JARINGAN DOKUMENTASI DAN INFORMASI HUKUM NOMOR : 042.05 / 45.17 / 1 / 2015 TENTANG PENUNJUKAN PENGELOLA JARINGAN DOKUMENTASI
Lebih terperinciPEMODELAN KEMISKINAN MENGGUNAKAN GEOGRAPHICALLY WEIGHTED LOGISTIC REGRESSION DENGAN FUNGSI PEMBOBOT FIXED KERNEL
PEMODELAN KEMISKINAN MENGGUNAKAN GEOGRAPHICALLY WEIGHTED LOGISTIC REGRESSION DENGAN FUNGSI PEMBOBOT FIXED KERNEL Hasriana 1, Raupong 2, Nirwan Ilyas 3 1 Program Studi Statistika FMIPA Universitas Hasanuddin
Lebih terperinciPemodelan Angka Harapan Hidup di Papua dengan pendekatan Geographically Weighted Regression
JURNAL SAINS DAN SENI ITS Vol. 6, No. 1, (017) ISSN: 337-350 (301-98X Print) D-8 Pemodelan Angka Harapan Hidup di Papua dengan pendekatan Geographically Weighted Regression Ardianto Tanadjaja, Ismaini
Lebih terperinciAlgoritme Least Angle Regression untuk Model Geographically Weighted Least Absolute Shrinkage and Selection Operator
SEMINAR MATEMATIKA DAN PENDIDIKAN MATEMATIKA UNY 2017 Algoritme Least Angle Regression untuk Model Geographically Weighted Least Absolute Shrinkage and Selection Operator S-20 Yuliana 1, Dewi Retno Sari
Lebih terperinciPENERAPAN MODEL SPASIAL DURBIN PADA ANGKA PARTISIPASI MURNI JENJANG SMA SEDERAJAT DI PROVINSI JAWA TENGAH
PENERAPAN MODEL SPASIAL DURBIN PADA ANGKA PARTISIPASI MURNI JENJANG SMA SEDERAJAT DI PROVINSI JAWA TENGAH Erliyana Devitasari, Sri Sulistijowati Handayani, dan Respatiwulan Program Studi Matematika FMIPA
Lebih terperinciDAFTAR PERINGKAT NILAI UJIAN NASIONAL SD/MI KOTA SURAKARTA TAHUN PELAJARAN 2011/2012
DAFTAR PERINGKAT NILAI UJIAN NASIONAL SD/MI KOTA SURAKARTA TAHUN PELAJARAN 2011/2012 NO SEKOLAH DASAR JML NILAI 1 SD Muh Program Khusus 26,74 2 SD AL-Azhar Syifa Budi 26,46 3 SD Ta' Mirul Islam 26,43 4
Lebih terperinciBAB II TINJAUAN PUSTAKA
BAB II TINJAUAN PUSTAKA 2.1 Model Regresi Linier Metode regresi linier merupakan suatu metode yang memodelkan hubungan antara variabel respon dengan variabel prediktor. Tujuannya adalah untuk mengukur
Lebih terperinciBAB III PEMBAHASAN. 1. Sejarah Berdirinya Kantor Pelayanan Pajak Pratama Surakarta. berada di bawah wewenang wilayah kerja dari Kantor Inspeksi
digilib.uns.ac.id BAB III PEMBAHASAN A. Gambaran Umum 1. Sejarah Berdirinya Kantor Pelayanan Pajak Pratama Surakarta Sebelum tahun 1966, Kantor Pelayanan Pajak Pratama Surakarta berbentuk Kantor Dinas
Lebih terperinci: Persentase Penduduk Dengan Sumber Air Minum Terlindungi PDAM : Pengeluaran Perkapita Penduduk Untuk Makan Sebulan
22 BAB III MULTIVARIATE GEOGRAPHICALLY WEIGHTED REGRESSION (MGWR) 3.1 Variabel Penelitian Variabel penelitian yang digunakan dalam penelitian ini adalah data derajat kesehatan tahun 2013 pada 27 kabupaten
Lebih terperinciBAB I PENDAHULUAN. terus dihadapi di sejumlah daerah di Indonesia, tidak terkecuali Provinsi Sumatera
BAB I PENDAHULUAN 1.1 Latar Belakang Permasalahan kemiskinan merupakan salah satu persoalan mendasar yang terus dihadapi di sejumlah daerah di Indonesia, tidak terkecuali Provinsi Sumatera Barat. Berdasarkan
Lebih terperinciBAB III TINJAUAN KOTA SURAKARTA
BAB III TINJAUAN KOTA SURAKARTA Kota Surakarta atau yang sering kita kenal dengan nama Kota Solo termasuk dalam wilayah pemerintahan daerah administratif kota yang dipimpin oleh seorang Walikota. Pemerintahan
Lebih terperinciBAB III MODEL GEOGRAPHICALLY WEIGHTED LOGISTIC REGRESSION SEMIPARAMETRIC (GWLRS)
28 BAB III MODEL GEOGRAPHICALLY WEIGHTED LOGISTIC REGRESSION SEMIPARAMETRIC (GWLRS) 3.1 Geographically Weighted Logistic Regression (GWLR) Geographically Weighted Logistic Regression adalah metode untuk
Lebih terperinciKata Pengantar. Kepala Dinas Kependudukan Dan Pencatatan Sipil Kota Surakarta. Drs. Suwarta, SH, MM NIP
Kata Pengantar Terimakasih kami ucapkan untuk dukungan berbagai pihak sebagai penghimpun data, pengolah data, penyusun analisis, dan penyaji Penyusunan Buku Profil Kependudukan Kota Surakarta 2014. Buku
Lebih terperinciTeknik Ensemble dengan Additive Noise pada Estimasi Parameter Model Autoregressive Spasial
SEMINAR MATEMATIKA DAN PENDIDIKAN MATEMATIKA UNY 2017 Teknik Ensemble dengan Additive Noise pada Estimasi Parameter Model Autoregressive Spasial Sulistiyaningsih 1, Dewi Retno Sari Saputro 2, Purnami Widyaningsih
Lebih terperinciBAB 1 PENDAHULUAN. konsistensi dari tinja, yang melembek sampai mencair dan bertambahnya frekuensi
BAB 1 PENDAHULUAN 1.1 Latar Belakang Masalah Diare adalah suatu penyakit dengan gejala adanya perubahan bentuk dan konsistensi dari tinja, yang melembek sampai mencair dan bertambahnya frekuensi buang
Lebih terperinciPEMODELAN PERSENTASE BALITA GIZI BURUK DI JAWA TENGAH DENGAN PENDEKATAN GEOGRAPHICALLY WEIGHTED REGRESSION PRINCIPAL COMPONENTS ANALYSIS (GWRPCA)
PEMODELAN PERSENTASE BALITA GIZI BURUK DI JAWA TENGAH DENGAN PENDEKATAN GEOGRAPHICALLY WEIGHTED REGRESSION PRINCIPAL COMPONENTS ANALYSIS (GWRPCA) SKRIPSI Disusun Oleh : NOVIKA PRATNYANINGRUM 24010211140095
Lebih terperinciPENGELOLAAN AIR LIMBAH KOTA SURAKARTA
PEMERINTAH KOTA SURAKARTA PERUSAHAAN DAERAH AIR MINUM Jl. LU Adi Sucipto No. 143 Telp. 712465 723093 Fax. 712536 email : pdamsolo@indo.net.id website : www.pdamsolo.or.id TIRTA DHARMA PENGELOLAAN AIR LIMBAH
Lebih terperinciWALIKOTA SURAKARTA. : bahwa untuk melaksanakan ketentuan Pasal 18 huruf h. : 1. Undang-Urldang Nomor 16 Tahun 1950 tentang
-! WALIKOTA SURAKARTA KBPUTUSAN WALIKOTA SURAKARTA NMR: bl/ q7-c /t /au TNTANG PNTAPAN LOKASI PBRUMAHAN DAN PBRMUKIMAN KUMUH DI KOTA SURAKARI'A WALIKOTA SURAKARTA, Menimbang : bahwa untuk melaksanakan
Lebih terperinciKata Kunci : MGWMLM, GWMLM, DAS.
ANALISIS PENGARU CURA UJAN DAN MORFOMETRI PADA PENINGKATAN DEBIT DAN SEDIMEN DI DAS KONTO ULU DENGAN PENDEKATAN MIXED GEOGRAPICALLY WEIGTED MULTUVARIATE LINIER MODEL 1 Memi Nor ayati, 2 Purhadi 1 Jurusan
Lebih terperinciESTIMASI PARAMETER MODEL REGRESI LOGISTIK ORDINAL TERBOBOTI GEOGRAFIS (RLOTG) DENGAN METODE FISHER SCORING
ESTIMASI PARAMETER MODEL REGRESI LOGISTIK ORDINAL TERBOBOTI GEOGRAFIS RLOTG DENGAN METODE FISHER SCORING Aulia Nugrahani Putri, Purnami Widyaningsih, dan Dewi Retno Sari Saputro Program Studi Matematika
Lebih terperinciMODEL GEOGRAPHICALLY WEIGHTED ORDINAL MULTINOMIAL LOGISTIC REGRESSION (GWOMLR) PADA INCIDENCE RATE (IR) DEMAM BERDARAH DENGUE (DBD) DI KOTA SEMARANG
MODEL GEOGRAPHICALLY WEIGHTED ORDINAL MULTINOMIAL LOGISTIC REGRESSION (GWOMLR) PADA INCIDENCE RATE (IR) DEMAM BERDARAH DENGUE (DBD) DI KOTA SEMARANG NAFSA AMALI M0108021 SKRIPSI ditulis dan diajukan untuk
Lebih terperinciBAB IV HASIL DAN PEMBAHASAN
BAB IV HASIL DAN PEMBAHASAN 4.1 Identifikasi Variabel Prediktor pada Model MGWR Setiap variabel prediktor pada model MGWR akan diidentifikasi terlebih dahulu untuk mengetahui variabel prediktor yang berpengaruh
Lebih terperinciBAB III GAMBARAN UMUM INSTANSI
BAB III GAMBARAN UMUM INSTANSI A. Sejarah Berdirinya Kantor Pelayanan Pajak Kantor Pelayanan Pajak (KPP) Pratama Surakarta telah ada sejak lama dengan berbagai istilah. Sebelum tahun 1966, KPP Pratama
Lebih terperinciBAB II TINJAUAN PUSTAKA
BAB II TINJAUAN PUSTAKA 2.1 Matriks Matriks adalah himpunan bilangan real yang disusun secara empat persegi panjang, mempunyai baris dan kolom dengan bentuk umum : Tiap-tiap bilangan yang berada didalam
Lebih terperinciANALISIS ANGKA BUTA HURUF DI JAWA TIMUR MENGGUNAKAN GEOGRAPHICALLY WEIGHTED REGRESSION BERBASIS KOMPUTER
ANALISIS ANGKA BUTA HURUF DI JAWA TIMUR MENGGUNAKAN GEOGRAPHICALLY WEIGHTED REGRESSION BERBASIS KOMPUTER Andiyono Universitas Bina Nusantara Jl. K.H Syahdan No.9, Palmerah, Jakarta Barat, Indonesia, 11480,
Lebih terperinciBAB IV ANALISIS DAN PEMBAHASAN
BAB IV ANALISIS DAN PEMBAHASAN Analisa pemodelan fungsi hubungan pada variabel repon dengan variabel prediktor akan dijelaskan pada bab ini. Analisis yang digunakan pada penelitian ini adalah menggunakan
Lebih terperinciBAB 1 PENDAHULUAN. setelah sandang, pangan, dan papan. Setiap rumah tangga (RT) pasti menginginkan
BAB 1 PENDAHULUAN 1.1 Latar Belakang Masalah Pada saat ini, pendidikan dapat dikatakan termasuk dalam kebutuhan primer setelah sandang, pangan, dan papan. Setiap rumah tangga (RT) pasti menginginkan anak
Lebih terperinciBAB IV GAMBARAN UMUM. provinsi Jawa Tengah, Indonesia yang berpenduduk jiwa (2010) dan
BAB IV GAMBARAN UMUM A. Kotamadya Surakarta 1. Nama Surakarta, juga disebut Solo atau Sala, adalah kota yang terletak di provinsi Jawa Tengah, Indonesia yang berpenduduk 503.421 jiwa (2010) dan kepadatan
Lebih terperinciGEOGRAPHICALLY WEIGHTED REGRESSION PRINCIPAL COMPONENT ANALYSIS (GWRPCA) PADA PEMODELAN PENDAPATAN ASLI DAERAH DI JAWA TENGAH
GEOGRAPHICALLY WEIGHTED REGRESSION PRINCIPAL COMPONENT ANALYSIS (GWRPCA) PADA PEMODELAN PENDAPATAN ASLI DAERAH DI JAWA TENGAH SKRIPSI Disusun Oleh : NURMALITA SARI 240102120008 DEPARTEMEN STATISTIKA FAKULTAS
Lebih terperinciPemodelan Pneumonia pada Balita di Surabaya Menggunakan Spatial Autoregressive Models
JURNAL SAINS DAN SENI ITS Vol. 6, No. 1, (2017) ISSN: 2337-3520 (2301-928X Print) D-89 Pemodelan Pneumonia pada Balita di Surabaya Menggunakan Spatial Autoregressive Models Ilhamna Aulia, Mutiah Salamah
Lebih terperinci2016 APLIKASI MULTIVARIATE GEOGRAPHICALLY WEIGHTED REGRESSION (MGWR) MENGGUNAKAN SOFTWARE MATLAB
1 BAB I PENDAHULUAN 1.1 Latar Belakang Dalam kehidupan sehari-hari sering dihadapkan dengan hubungan yang melibatkan dua atau lebih peubah atau variabel. Persamaan matematik yang menggambarkan persamaan
Lebih terperinciMASALAH NILAI AWAL ITERASI NEWTON RAPHSON UNTUK ESTIMASI PARAMETER MODEL REGRESI LOGISTIK ORDINAL TERBOBOTI GEOGRAFIS (RLOTG)
MASALAH NILAI AWAL ITERASI NEWTON RAPHSON UNTUK ESTIMASI PARAMETER MODEL REGRESI LOGISTIK ORDINAL TERBOBOTI GEOGRAFIS (RLOTG) Shaifudin Zuhdi, Dewi Retno Sari Saputro Fakultas Matematika dan Ilmu Pengetahuan
Lebih terperinciBAB II GAMBARAN UMUM KONDISI DAERAH
BAB II GAMBARAN UMUM KONDISI DAERAH A. Aspek Geografi dan Demografi 1. Luas dan Batas Wilayah Administrasi Kota Surakarta merupakan wilayah yang memiliki posisi strategis di Provinsi Jawa Tengah karena
Lebih terperinciBAB I PENDAHULUAN 1.1 Latar belakang Masalah Annisa Nurul Aini, 2013
BAB I PENDAHULUAN 1.1 Latar belakang Masalah Statistika merupakan salah satu cabang ilmu matematik yang mempelajari bagaimana merencanakan, mengumpulkan, mempresentasikan, menganalisis, dan menginterpretasi
Lebih terperinciBAB I PENDAHULUAN. berkembang di masyarakat. Banyaknya penyakit endemik di Indonesia seperti
BAB I PENDAHULUAN A. Latar Belakang Masalah Kebijakan kesehatan menjadi salah satu fokus penting pemerintah dalam pembangunan, salah satunya adalah untuk menangani penyakit endemik yang berkembang di masyarakat.
Lebih terperinciPEMODELAN GEOGRAPHICALLY WEIGHTED REGRESSION DENGAN FUNGSI KERNEL BISQUARE
PEMODELAN GEOGRAPHICALLY WEIGHTED REGRESSION DENGAN FUNGSI KERNEL BISQUARE TERHADA FAKTOR- FAKTOR YANG MEMPENGARUHI TINGKAT KEMISKINAN DI KABUPATEN DEMAK 1 Marlita Vebiriyana, 2 M. Yamin Darsyah, 3 Indah
Lebih terperinci(Geographically Weighted Binary Logistic Regression with Fixed Bi-Square Weight)
Penerapan Regresi Logistik Biner Terboboti Geografi dengan Pembobot Fixed Bi-Square Tuti Purwaningsih Universitas Islam Indonesia Jl Kaliurang KM 14.5, Yogyakarta tuti.purwaningsih@uii.ac.id ABSTRACT Geographically
Lebih terperinciPemodelan Indikator Pencemar Biological Oxygen Demand di Kali Surabaya Menggunakan Pendekatan Spatial-Temporal Weighted Regression
Pemodelan Indikator Pencemar Biological Oxygen Demand di Kali Surabaya Menggunakan Pendekatan Spatial-Temporal Weighted Regression Achmad Choiruddin 1309100067 Dr. Sutikno M.Si Dosen Pembimbing PENDAHULUAN
Lebih terperinciPEMODELAN FAKTOR FAKTOR YANG MEMPENGARUHI BALITA GIZI BURUK DI JAWA TIMUR DENGAN PENDEKATAN REGRESI SPASIAL
PEMODELAN FAKTOR FAKTOR YANG MEMPENGARUHI BALITA GIZI BURUK DI JAWA TIMUR DENGAN PENDEKATAN REGRESI SPASIAL Inayati Nur Fatmah 1, Drs. Hery Tri Sutanto, M.Si 2, 1,2 Jurusan Matematika, Fakultas Matematika
Lebih terperinciMODEL REGRESI NONPARAMETRIK BERDASARKAN ESTIMATOR POLINOMIAL LOKAL KERNEL PADA KASUS PERTUMBUHAN BALITA
MODEL REGRESI NONPARAMETRIK BERDASARKAN ESTIMATOR POLINOMIAL LOKAL KERNEL PADA KASUS PERTUMBUHAN BALITA 1 Mifta Luthfin Alfiani, 2 Indah Manfaati Nur, 3 Tiani Wahyu Utami 1,2,3 Program Studi Statistika,
Lebih terperinciSISTEM INFORMASI LINGKUNGAN (SIL) UNTUK LAYANAN PERSAMPAHAN DI KOTA SURAKARTA
SISTEM INFORMASI LINGKUNGAN (SIL) UNTUK LAYANAN PERSAMPAHAN DI KOTA SURAKARTA 1 Rudy Yoga lesmana, 2 Prabang Setyono dan 2 Sunarto 1 Mahasiswa Pascasarjana, Magister Ilmu Lingkungan, Universitas Sebelas
Lebih terperinciGEOGRAPHICALLY WEIGHTED REGRESSION PRINCIPAL COMPONENT ANALYSIS (GWRPCA) PADA PEMODELAN PENDAPATAN ASLI DAERAH DI JAWA TENGAH ABSTRACT
ISSN: 2339-2541 JURNAL GAUSSIAN, Volume 5, Nomor 4, Tahun 2016, Halaman 717-726 Online di: http://ejournal-s1.undip.ac.id/index.php/gaussian GEOGRAPHICALLY WEIGHTED REGRESSION PRINCIPAL COMPONENT ANALYSIS
Lebih terperinciPRODI S1 STATISTIKA FMIPA-ITS RENCANA PEMBELAJARAN Statistika Spasial Kode/SKS: SS / (2/1/0) Dosen : Sutikno Semester : VII
RP-S1-SLK-01 Kurikulum 2014, Edisi : September-2014.Revisi : 00 Hal: 1 dari 5 A. CAPAIAN PEMBELAJARAN : CP 5.2 : Mampu menganalisis data di bidang Statistika Lingkungan dan Kesehatan, serta bidang lainnya
Lebih terperinciANALISIS GEOGRAPHICALLY WEIGHTED REGRESSION (GWR) PADA KASUS PNEUMONIA BALITA DI PROVINSI JAWA BARAT
ANALISIS GEOGRAPHICALLY WEIGHTED REGRESSION (GWR) PADA KASUS PNEUMONIA BALITA DI PROVINSI JAWA BARAT Meila Nadya, Widyanti Rahayu, Vera Maya Santi Jurusan Matematika FMIPA UNJ meylanadya1@gmail.com Abstrak
Lebih terperinciInformasi Fisher pada Algoritme Fisher Scoring untuk Estimasi Parameter Model Regresi Logistik Ordinal Terboboti Geografis (RLOTG)
SEMINAR NASIONAL MATEMATIKA DAN PENDIDIKAN MATEMATIKA UNY 2016 Informasi Fisher pada Algoritme Fisher Scoring untuk Estimasi Parameter Model Regresi Logistik Ordinal Terboboti Geografis (RLOTG) Aulia Nugrahani
Lebih terperinciBAB III METODE PENULISAN
BAB III METODE PENULISAN Metode penulisan yang berkaitan tujuan penulisan ini adalah sebagai berikut: 3.1 Mengidentifikasi variabel prediktor pada model MGWR langkahlangkah a. Mengasumsikan data, untuk
Lebih terperinciPERBANDINGAN MODEL GWR DENGAN FIXED DAN ADAPTIVE BANDWIDTH UNTUK PERSENTASE PENDUDUK MISKIN DI JAWA TENGAH
ISSN: 2339-2541 JURNAL GAUSSIAN, Volume 5, Nomor 3, Tahun 2016, Halaman 535-544 Online di: http://ejournal-s1.undip.ac.id/index.php/gaussian PERBANDINGAN MODEL GWR DENGAN FIXED DAN ADAPTIVE BANDWIDTH UNTUK
Lebih terperinciNOTA KESEPAKATAN ANTARA PEMERINTAH KOTA SURAKARTA DENGAN DEWAN PERWAKILAN RAKYAT DAERAH KOTA SURAKARTA NOMOR : 910/3247 NOMOR : 910/3508
NOTA KESEPAKATAN ANTARA PEMERINTAH KOTA SURAKARTA DENGAN DEWAN PERWAKILAN RAKYAT DAERAH KOTA SURAKARTA NOMOR : 910/3247 NOMOR : 910/3508 TANGGAL 22 Oktober 2013 TENTANG PRIORITAS DAN SEMENTARA ANGGARAN
Lebih terperinciPEMODELAN BALITA GIZI BURUK DI KABUPATEN NGAWI DENGAN GEOGRAPHICALLY WEIGHTED REGRESSION. Latifah Ayunin 1 dan Sutikno 2
PEMODELAN BALITA GIZI BURUK DI KABUPATEN NGAWI DENGAN GEOGRAPHICALLY WEIGHTED REGRESSION Latifah Ayunin 1 dan Sutikno 2 1 Mahasiswa Jurusan Statistika, ITS, Surabaya 2 Dosen Pembimbing, Jurusan Statistika,
Lebih terperinciFAKTOR-FAKTOR YANG MEMPENGARUHI JUMLAH PENDUDUK DI JAWA TENGAH MENGGUNAKAN MODEL REGRESI ROBUST DENGAN ESTIMASI LEAST MEDIAN OF SQUARES (LMS)
FAKTOR-FAKTOR YANG MEMPENGARUHI JUMLAH PENDUDUK DI JAWA TENGAH MENGGUNAKAN MODEL REGRESI ROBUST DENGAN ESTIMASI LEAST MEDIAN OF SQUARES (LMS) Yuditia Ari Prabowo, Yuliana Susanti, dan Santoso Budi Wiyono
Lebih terperinciABSTRAK. Kata kunci: DBD, Efek Spasial, Spatial Autoregressive (SAR).
Judul Nama Pembimbing : Pemodelan Penyebaran Kasus Demam Berdarah Dengue (DBD) di Kota Denpasar dengan Metode Spatial Autoregressive (SAR) : Ni Made Surya Jayanti : 1. I Wayan Sumarjaya, S.Si., M.Stats.
Lebih terperinciKata Pengantar KEPALA BAPPEDA KOTA SURAKARTA. Drs. ANUNG INDRO SUSANTO, MM Pembina Utama Muda NIP :
Kata Pengantar Sudah saatnya suara anak kita perhatikan dan kita dengar.dalam perencanaan pembangunan, baik dimulai dari proses perencanaan sampai dengan proses evaluasi, suara anak sangat perlu diperhatikan,
Lebih terperinciANALISIS FAKTOR-FAKTOR YANG MEMPENGARUHI KEMISKINAN DI JAWA TENGAH MENGGUNAKAN MODEL GALAT SPASIAL ABSTRACT
ISSN: 2339-2541 JURNAL GAUSSIAN, Volume 3, Nomor 4, Tahun 2014, Halaman 781-790 Online di: http://ejournal-s1.undip.ac.id/index.php/gaussian ANALISIS FAKTOR-FAKTOR YANG MEMPENGARUHI KEMISKINAN DI JAWA
Lebih terperinciISSN: Vol. 1 No. 1 Agustus 2012
ISSN: 2303-1751 Vol. 1 No. 1 Agustus 2012 e-jurnal Matematika, Vol. 1, No. 1, Agustus 2012, 94-98 ISSN: 2303-1751 PEMODELAN ANGKA KEMATIAN BAYI DENGAN PENDEKATAN GEOGRAPHICALLY WEIGHTED POISSON REGRESSION
Lebih terperinciPEMODELAN PERSENTASE BALITA GIZI BURUK DI JAWA TENGAH DENGAN PENDEKATAN GEOGRAPHICALLY WEIGHTED REGRESSION PRINCIPAL COMPONENTS ANALYSIS (GWRPCA)
ISSN: 2339-2541 JURNAL GAUSSIAN, Volume 4, Nomor 2, Tahun 2015, Halaman 171-180 Online di: http://ejournal-s1.undip.ac.id/index.php/gaussian PEMODELAN PERSENTASE BALITA GIZI BURUK DI JAWA TENGAH DENGAN
Lebih terperinciAPLIKASI MODEL GEOGRAPHICALLY WEIGHTED REGRESSION (GWR) UNTUK MENENTUKAN FAKTOR-FAKTOR YANG MEMPENGARUHI KASUS GIZI BURUK ANAK BALITA DI JAWA BARAT
APLIKASI MODEL GEOGRAPHICALLY WEIGHTED REGRESSION (GWR) UNTUK MENENTUKAN FAKTOR-FAKTOR YANG MEMPENGARUHI KASUS GIZI BURUK ANAK BALITA DI JAWA BARAT Atiya Maulani, Nar Herrhyanto, dan Maman Suherman Departemen
Lebih terperinciPEMODELAN PENDAPATAN ASLI DAERAH (PAD) DI KABUPATEN DAN KOTA DI JAWA TENGAH MENGGUNAKAN GEOGRAPHICALLY WEIGHTED RIDGE REGRESSION ABSTRACT
ISSN: 2339-2541 JURNAL GAUSSIAN, Volume 5, Nomor 3, Tahun 2016, Halaman 383-393 Online di: http://ejournal-s1.undip.ac.id/index.php/gaussian PEMODELAN PENDAPATAN ASLI DAERAH (PAD) DI KABUPATEN DAN KOTA
Lebih terperinciBAB I PENDAHULUAN 1.1. LATAR BELAKANG
1 BAB I PENDAHULUAN 1.1. LATAR BELAKANG Menurut Undang Undang nomor 24 tahun 2007, bencana dapat didefinisikan sebagai peristiwa atau rangkaian peristiwa yang mengancam dan mengganggu kehidupan atau penghidupan
Lebih terperinciPRIORITAS DAN PLAFON ANGGARAN SEMENTARA ANGGARAN PENDAPATAN DAN BELANJA DAERAH KOTA SURAKARTA TAHUN ANGGARAN 2013
NOTA KESEPAKATAN ANTARA PEMERINTAH KOTA SURAKARTA DENGAN DEWAN PERWAKILAN RAKYAT DAERAH KOTA SURAKARTA NOMOR : 910/3.908 NOMOR : 910/3.197 TANGGAL 12 NOVEMBER 2012 TENTANG PRIORITAS DAN SEMENTARA ANGGARAN
Lebih terperinciMODEL MIXED GEOGRAPHICALLY WEIGHTED POISSON REGRESSION (MGWPR) PADA BANYAKNYA PENDERITA PENYAKIT DIFTERI DI PROVINSI JAWA TIMUR.
MODEL MIXED GEOGRAPHICALLY WEIGHTED POISSON REGRESSION (MGWPR) PADA BANYAKNYA PENDERITA PENYAKIT DIFTERI DI PROVINSI JAWA TIMUR oleh ZARAETA AYU LATIFASARI M0111087 SKRIPSI ditulis dan diajukan untuk memenuhi
Lebih terperinciPEMODELAN PENDAPATAN ASLI DAERAH (PAD) DI KABUPATEN DAN KOTA DI JAWA TENGAH MENGGUNAKAN GEOGRAPHICALLY WEIGHTED RIDGE REGRESSION
PEMODELAN PENDAPATAN ASLI DAERAH (PAD) DI KABUPATEN DAN KOTA DI JAWA TENGAH MENGGUNAKAN GEOGRAPHICALLY WEIGHTED RIDGE REGRESSION SKRIPSI Disusun Oleh : DEPY VERONICA 24010212140035 DEPARTEMEN STATISTIKA
Lebih terperinciForum Statistika dan Komputasi, Oktober 2010 p : ISSN :
, Oktober 2010 p : 32-37 ISSN : 0853-8115 Vol 15 No.2 REGRESI TERBOBOTI GEOGRAFIS DENGAN PEMBOBOT KERNEL KUADRAT GANDA UNTUK DATA KEMISKINAN DI KABUPATEN JEMBER (Geographically Weighted Regression with
Lebih terperinci(R.5) Pemodelan Regresi Poisson Terboboti Geografis Pada Kasus Gizi. buruk di Jawa Timur.
(R.5) Pemodelan Regresi Poisson Terboboti Geografis Pada Kasus Gizi Buruk di Jawa Timur Ida Mariati Hutabarat 1, Asep Saefuddin 2 1Jurusan Matematika Uncen. 2 Departemen Statistika IPB 1Jl.Kamp Wolker
Lebih terperinciLAPORAN PERTANGGUNGJAWABAN PENERIMA BANTUAN SOSIAL BULAN JANUARI s/d JUNI 2017
LAPORAN PERTANGGUNGJAWABAN SOSIAL BULAN JANUARI s/d JUNI 2017 NO. 1 Kartimin Wignyo Diharjo 2 Ny Leny Hastuti 3 Ny Sri Utami 4 Ny Khoiru Rohmah, SH 5 Ny Yamti 6 Tn Suroso 7 Tn Aris Munawar 8 Tn Tukimin
Lebih terperinciBAB III REGRESI SPASIAL DENGAN PENDEKATAN GEOGRAPHICALLY WEIGHTED POISSON REGRESSION (GWPR)
BAB III REGRESI SPASIAL DENGAN PENDEKATAN GEOGRAPHICALLY WEIGHTED POISSON REGRESSION (GWPR) 3.1 Regresi Poisson Regresi Poisson merupakan suatu bentuk analisis regresi yang digunakan untuk memodelkan data
Lebih terperinciPEMODELAN PROPORSI PENDUDUK MISKIN KABUPATEN DAN KOTA DI PROVINSI JAWA TENGAH MENGGUNAKAN GEOGRAPHICALLY AND TEMPORALLY WEIGHTED REGRESSION ABSTRACT
ISSN: 2339-2541 JURNAL GAUSSIAN, Volume 3, Nomor 4, Tahun 2014, Halaman 691-700 Online di: http://ejournal-s1.undip.ac.id/index.php/gaussian PEMODELAN PROPORSI PENDUDUK MISKIN KABUPATEN DAN KOTA DI PROVINSI
Lebih terperinciBAB I PENDAHULUAN 1.1 Latar Belakang
BAB I PENDAHULUAN 1.1 Latar Belakang Dalam rangka meningkatkan kesejahteraan masyarakat di suatu negara, maka dibutuhkan pembangunan. Pada September tahun 2000, mulai dijalankannya Millennium Development
Lebih terperinciPEMODELAN SPATIAL ERROR MODEL (SEM) UNTUK INDEKS PEMBANGUNAN MANUSIA (IPM) DI PROVINSI JAWA TENGAH
PEMODELAN SPATIAL ERROR MODEL (SEM) UNTUK INDEKS PEMBANGUNAN MANUSIA (IPM) DI PROVINSI JAWA TENGAH 1 Diana Wahyu Safitri, 2 Moh Yamin Darsyah, 3 Tiani Wahyu Utami 1,2,3 Program Studi Statistika FMIPA Universitas
Lebih terperinciPENENTUAN MODEL KEMISKINAN DI JAWA TENGAH DENGAN MULTIVARIATE GEOGRAPHICALLY WEIGHTED REGRESSION (MGWR)
PENENTUAN MODEL KEMISKINAN DI JAWA TENGAH DENGAN MULTIVARIATE GEOGRAPHICALLY WEIGHTED REGRESSION (MGWR) SKRIPSI Disusun Oleh : SINDY SAPUTRI 24010210141007 JURUSAN STATISTIKA FAKULTAS SAINS DAN MATEMATIKA
Lebih terperinciPERTUKARAN SOSIAL DALAM PELAKSANAAN PROGRAM JAMINAN KESEHATAN MASYARAKAT (JAMKESMAS)
digilib.uns.ac.id PERTUKARAN SOSIAL DALAM PELAKSANAAN PROGRAM JAMINAN KESEHATAN MASYARAKAT (JAMKESMAS) Disusun Oleh: SRI HARYANI MEIVAWATI D0305060 SKRIPSI Diajukan untuk Melengkapi Tugas dan Memenuhi
Lebih terperinci